摘" 要：為了研究不同交通流狀態(tài)下快速路入口匝道車輛匯入特性，采用無(wú)人機(jī)設(shè)備在200米高空對(duì)快速路入口合流區(qū)進(jìn)行航拍，利用Tracker軟件提取入口匝道車輛匯入軌跡和運(yùn)行參數(shù)。以入口匝道車輛換道持續(xù)時(shí)間、換道距離以及匯入位置作為其匯入特性表征指標(biāo)進(jìn)行分析。研究發(fā)現(xiàn)：入口匝道車輛換道持續(xù)時(shí)間和換道距離的均值分別為6.96s和80.17m；高峰時(shí)段和平峰時(shí)段的換道持續(xù)時(shí)間的均值分別為8.92s和5.94s，不同時(shí)段的換道時(shí)間均服從對(duì)數(shù)正態(tài)分布；不同交通流狀態(tài)下入口匝道車輛匯入主線的匯入位置存在明顯差異，平峰時(shí)段大部分入口匝道車輛在加速車道段均勻匯入，高峰時(shí)段入口匝道車輛主要集中在加速車道前端和漸變段匯入。

" 關(guān)鍵詞：快速路；入口匝道；換道持續(xù)時(shí)間；匯入位置

" 中圖分類號(hào)：F50；U491.1" " 文獻(xiàn)標(biāo)志碼：A" " DOI：10.13714/j.cnki.1002-3100.2024.24.016

Abstract： In order to study on-ramp vehicles’ merging characteristics at expressway entrance area under different traffic flow conditions， unmanned aerial video equipment is used to take merging data at expressway entrance areas at 200m altitude. Tracker software is used to extract vehicles’ trajectory and operation parameters. Lane change duration， lane change distance and merging position of on-ramp vehicles are analyzed as merging characteristic indexes. The results show that mean values of lane change duration and lane change distance of on-ramp vehicles are 6.96s and 80.17m， respectively. The mean values of lane change duration during peak and off-peak hours are 8.92s and 5.94s， respectively. The lane change time of different periods obeys the lognormal distribution. The merging location of on-ramp vehicles under different traffic flow conditions differ significantly. During off-peak period， most on-ramp vehicles merge evenly at the acceleration lane section， while during the peak period， on-ramp vehicles mainly merge at the front of the acceleration lane and the transition section.

Key words： expressway; on-ramp; lane-change duration; merging location

收稿日期：2024-05-12

基金項(xiàng)目：國(guó)家自然科學(xué)基金（51808370，51778242）；江蘇省高等學(xué)校自然科學(xué)研究項(xiàng)目（18KJB580015）；同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助（ZL3148）；蘇州科技大學(xué)?？蒲谢鹎嗄觏?xiàng)目（XKQ201601）

作者簡(jiǎn)介：葛" 婷（1987—），女，江蘇鎮(zhèn)江人，蘇州科技大學(xué)土木工程學(xué)院，講師，博士，研究方向：道路設(shè)計(jì)理論與方法、交通安全。

引文格式：葛婷，宗奕凈，華凱，等. 基于航拍視頻的快速路入口匝道車輛匯入特性研究[J]. 物流科技，2024，47（24）：78-82.

0" 引" 言

快速路入口區(qū)域是連接城市快速路與普通路網(wǎng)的關(guān)鍵部位。快速路入口區(qū)域匯入主線的換道行為屬于強(qiáng)制性換道行為，會(huì)對(duì)交通流和駕駛員行為造成干擾，對(duì)行車安全造成負(fù)面影響，是引起合流區(qū)交通事故以及擁堵問(wèn)題的關(guān)鍵原因所在[1-3]。為緩解快速路入口區(qū)域的交通狀況，有必要對(duì)入口匝道車輛匯入特性展開(kāi)系統(tǒng)研究。

近年來(lái)，諸多學(xué)者對(duì)車輛換道行為特征展開(kāi)了系統(tǒng)研究。馬小龍等[4]對(duì)高速公路上小型車的換道時(shí)間、距離以及與周邊車輛的相對(duì)速度進(jìn)行了分析。張策等[5]通過(guò)分析高速公路車輛換道行為特征參數(shù)，發(fā)現(xiàn)目標(biāo)車道前車對(duì)本車換道影響最大，本車道前車和目標(biāo)車道后車影響次之。Ma等[6]分析不同因素對(duì)高速公路車輛換道持續(xù)時(shí)間的影響，發(fā)現(xiàn)換道時(shí)間僅與自身行駛速度、與原車道前車的相對(duì)速度和與目標(biāo)車道后車的相對(duì)速度有關(guān)。Li等[7]從生存分析角度對(duì)車輛換道時(shí)間進(jìn)行了綜合分析。符鋅砂等[8]對(duì)高速公路上交通狀況以及車輛行駛速度對(duì)換道時(shí)間的影響進(jìn)行研究，發(fā)現(xiàn)低密度交通流和低速行駛的車輛換道時(shí)間更長(zhǎng)，不同交通流狀況下?lián)Q道時(shí)間均服從對(duì)數(shù)正態(tài)分布。Gu等[9]研究立交合流區(qū)域車輛換道的安全風(fēng)險(xiǎn)，發(fā)現(xiàn)車輛行駛速度和換道位置會(huì)影響換道風(fēng)險(xiǎn)。Yang等[10]基于自然駕駛數(shù)據(jù)提出了換道事件的自動(dòng)提取算法，重點(diǎn)研究了換道可接受間隙、持續(xù)時(shí)間以及換道對(duì)后車影響這三個(gè)參數(shù)，為自動(dòng)駕駛車輛提供參考。羅孝羚等[11]構(gòu)建了智能網(wǎng)聯(lián)車環(huán)境下高速匝道匯入車流軌跡優(yōu)化模型，以提高車輛運(yùn)行速度，減少匯入延誤和油耗。

上述關(guān)于換道行為和匯入特性的研究大多集中于高速公路以及快速路的基本路段，對(duì)出入口區(qū)域車輛換道的研究相對(duì)較少。為此，部分學(xué)者對(duì)特殊路段的換道行為展開(kāi)了研究。Chu等[12]對(duì)名古屋市快速路入口匝道進(jìn)行調(diào)研，分析了交通流狀態(tài)和合流區(qū)幾何構(gòu)成對(duì)合流行為的影響。張?zhí)m芳等[13]基于自然駕駛實(shí)驗(yàn)數(shù)據(jù)對(duì)快速路出口換道行為進(jìn)行研究并建立換道風(fēng)險(xiǎn)概率模型。陳而越等[14]對(duì)快速路平行式加速車道中車輛換道特性進(jìn)行研究，分析了加速車道車輛匯入行為對(duì)主線各車道的影響。陳永恒等[15]通過(guò)對(duì)快速路交織區(qū)范圍內(nèi)的車輛匯入行為進(jìn)行聚類分析，將其分為前、中、末3類，研究不同類別匯入位置的分布特征。葉穎俊等[16]對(duì)高密度瓶頸交通流的匯入過(guò)程進(jìn)行了研究，定義了一種新的匯入模式——主動(dòng)-回應(yīng)匯入，通過(guò)解析駕駛?cè)说臎Q策過(guò)程建立主動(dòng)-回應(yīng)匯入模型。溫惠英等[17]研究快速路合流區(qū)大型車換道特性，發(fā)現(xiàn)大型車換道持續(xù)時(shí)間和換道行駛距離均服從Weibull分布。

然而，匯入換道行為受交通流狀態(tài)變化影響，上述研究并未充分考慮不同交通流狀態(tài)對(duì)換道行為影響。交通流狀態(tài)變化會(huì)直接影響到入口區(qū)域匝道車輛的匯入行為，進(jìn)而影響到渠口區(qū)的通行效率和行車安全，因此有必要對(duì)其展開(kāi)系統(tǒng)研究。無(wú)人機(jī)航拍的高空視頻圖像數(shù)據(jù)可以獲取完整的快速路入口區(qū)域運(yùn)行片段，直接追蹤和提取連續(xù)、真實(shí)的車輛軌跡[18-19]，從而得到廣泛應(yīng)用。為此，本文采用無(wú)人機(jī)設(shè)備對(duì)快速路平行式入口匝道車輛匯入特性進(jìn)行研究，基于入口匝道車輛換道持續(xù)時(shí)間以及匯入位置對(duì)不同交通流狀況下的車輛匯入特性展開(kāi)分析。

1" 數(shù)據(jù)采集與處理

1.1" 研究地點(diǎn)

選取蘇州市友新立交自東向西方向的入口合流區(qū)作為調(diào)查地點(diǎn)。友新立交是蘇州市快速路重要交通樞紐，主線為雙向六車道，入口匝道為平行式，匝道在合流鼻端前為雙車道，在鼻端處變?yōu)閱诬嚨溃瑘D1為研究地點(diǎn)幾何構(gòu)成。采用無(wú)人機(jī)在200m高空對(duì)入口區(qū)域通行車輛進(jìn)行航拍，拍攝路段視野范圍約300m。拍攝選擇在天氣晴朗、無(wú)風(fēng)時(shí)進(jìn)行，拍攝時(shí)段為工作日的15：00—18：00，包含了平峰和高峰時(shí)段。

1.2" 數(shù)據(jù)獲取

使用Tracker軟件進(jìn)行車輛識(shí)別和軌跡提取，以合流鼻端作為坐標(biāo)原點(diǎn)，沿加速車道與主線外側(cè)車道的分界線作為坐標(biāo)橫軸；以車輛引擎蓋中心點(diǎn)與路面的垂直點(diǎn)為數(shù)據(jù)讀取質(zhì)點(diǎn)，讀取點(diǎn)與坐標(biāo)橫軸的垂直距離為行駛軌跡值?，F(xiàn)場(chǎng)拍攝畫面及坐標(biāo)系如圖2所示。車輛識(shí)別準(zhǔn)確性在90%以上。最終從航拍視頻中提取的數(shù)據(jù)包括每輛車的編號(hào)、時(shí)間、幀號(hào)、車輛行駛軌跡坐標(biāo)、速度、車型、車道位置。Tracker軟件提取數(shù)據(jù)樣式如表1所示。

1.3" 換道起終點(diǎn)提取

為了分析入口匝道車輛的換道行為特性，需要確定匯入換道的起點(diǎn)與終點(diǎn)。大多數(shù)研究[4、13]將換道所需時(shí)間定義為車輛換道過(guò)程中發(fā)生連續(xù)橫向偏移所需要的時(shí)間。實(shí)際上，換道的過(guò)程復(fù)雜多變，本文采用提取連續(xù)橫向偏移所需時(shí)間的方法，并在此基礎(chǔ)上增加橫向位置的約束。即將車輛開(kāi)始持續(xù)橫向偏移的時(shí)刻作為入口匝道車輛匯入換道起點(diǎn)，在外側(cè)車道結(jié)束持續(xù)橫向偏移時(shí)刻為入口匝道車輛匯入換道終點(diǎn)；將起終點(diǎn)位置均限制在距離兩側(cè)車道線二分之一車身的范圍內(nèi)作為匝道車輛匯入換道的橫向位置約束。

圖3是車輛從入口匝道進(jìn)入加速車道尋找可插入間隙匯入主線的示例。起始點(diǎn)A所對(duì)應(yīng)的時(shí)刻與結(jié)束點(diǎn)C對(duì)應(yīng)的時(shí)刻之間的時(shí)間間隔為換道持續(xù)時(shí)間t，車輛在換道過(guò)程中的縱向位移為換道距離L，匯入點(diǎn)B對(duì)應(yīng)的橫坐標(biāo)即匯入車輛讀取質(zhì)點(diǎn)觸碰到外側(cè)車道右側(cè)分界線時(shí)的位置為匯入位置。

根據(jù)現(xiàn)場(chǎng)采集的視頻數(shù)據(jù)資料，加以人工計(jì)數(shù)的方法，得到快速路入口區(qū)域各車道小時(shí)交通量，見(jiàn)表2。最終從采集的無(wú)人機(jī)航拍視頻中提取248條入口匝道匯入主線的換道行為數(shù)據(jù)，包括85條高峰時(shí)段換道數(shù)據(jù)和163條平峰時(shí)段換道數(shù)據(jù)。

2" 入口匝道車輛換道特性研究

2.1" 入口匝道車輛換道持續(xù)時(shí)間

對(duì)入口匝道車輛匯入主線的換道持續(xù)時(shí)間進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果見(jiàn)表3?？梢钥闯觯肟谠训儡囕v高峰時(shí)段匯入主線的換道持續(xù)時(shí)間的均值為8.92s，平峰時(shí)段匯入主線的換道持續(xù)時(shí)間的均值為5.94s。高峰時(shí)段換道匯入主線時(shí)長(zhǎng)的均值比平峰時(shí)段長(zhǎng)2.98s，這主要是由于高峰時(shí)段主線車流量大，交通擁堵，車輛行駛相對(duì)緩慢，匯入車輛需要等待合適可插入間隙完成整個(gè)匯入過(guò)程。

已有研究表明基本路段換道時(shí)間分布服從對(duì)數(shù)正態(tài)分布[20]。為了檢驗(yàn)本研究中快速路入口匝道車輛匯入主線換道持續(xù)時(shí)間的分布形式，采用K-S檢驗(yàn)法（Kolmogorov-Smirnov test）對(duì)入口匝道車輛換道持續(xù)時(shí)間做對(duì)數(shù)正態(tài)分布的擬合性檢驗(yàn)，平峰和高峰時(shí)段換道持續(xù)時(shí)間對(duì)數(shù)正態(tài)分布的K-S檢驗(yàn)結(jié)果如表4所示。

結(jié)果表明，兩組數(shù)據(jù)的顯著性（P值）均大于0.05，不能排除對(duì)數(shù)正態(tài)分布，接受假設(shè)，即兩種時(shí)段的換道時(shí)間均服從對(duì)數(shù)正態(tài)分布。

對(duì)數(shù)正態(tài)分布的密度函數(shù)如下。

[fxμ，σ=1xσ2π-lnx-μ22σ2]。 （1）

式中：μ為對(duì)數(shù)正態(tài)分布均值；σ為對(duì)數(shù)正態(tài)分布標(biāo)準(zhǔn)差，可由樣本均值和樣本方差求得：

[μ=lnEX-12lnvarxEX2]， （2）

[σ=ln1+varxEX2]。 （3）

兩種時(shí)段的計(jì)算結(jié)果如表5所示，換道時(shí)間頻率分布如圖4所示。

2.2" 匯入位置

調(diào)查時(shí)段內(nèi)的入口匝道車輛匯入主線的位置累積頻率如圖5所示。由圖5可知，不同時(shí)段內(nèi)入口匝道車輛匯入主線的位置存在明顯差異。平峰時(shí)段9%的車輛在入口匝道變?yōu)榧铀佘嚨赖奈恢弥苯訁R入，79%的車輛在距離合流鼻端50～160m處陸續(xù)匯入，12%的車輛選擇在漸變段匯入，整體分布比較平均。而在高峰時(shí)段車輛匯入位置集中在入口匝道變?yōu)榧铀佘嚨捞幒蜐u變段，分別占29%和40%，在加速車道上匯入的車輛僅占31%，遠(yuǎn)小于平峰時(shí)段的79%。這說(shuō)明在擁堵情況下，車輛在加速車道上不容易找到合適的間隙完成匯入，只能繼續(xù)前行在加速車道末端處聚集等待或強(qiáng)制匯入主線。

3" 結(jié)" 語(yǔ)

本文采用無(wú)人機(jī)航拍獲取快速路入口區(qū)域車輛匯入視頻，用Tracker軟件追蹤并提取不同交通流狀態(tài)下的快速路入口匝道車輛運(yùn)行軌跡數(shù)據(jù)。平峰和高峰時(shí)段入口匝道車輛匯入主線的換道持續(xù)時(shí)間、換道距離以及匯入位置均有差異。

平峰時(shí)段入口匝道車輛匯入主線的換道持續(xù)時(shí)間的平均值為6.96s，高峰時(shí)段匯入主線的換道持續(xù)時(shí)間的平均值為8.92s；平峰時(shí)段匯入主線換道持續(xù)時(shí)間的均值為5.94s，高峰時(shí)段匯入主線換道持續(xù)時(shí)間的均值比平峰時(shí)段長(zhǎng)2.98s，不同時(shí)段的合流匯入換道持續(xù)時(shí)間均服從對(duì)數(shù)正態(tài)分布。

不同交通流狀態(tài)下入口匝道車輛的匯入主線位置存在明顯差異，平峰時(shí)段入口匝道車輛匯入主線位置集中在距離鼻端20～100m處，且分布較為平均；高峰時(shí)段入口匝道車輛匯入主線位置集中于合流鼻端附近和漸變段。

受調(diào)查數(shù)據(jù)的限制，本文對(duì)車輛換道特性的分析不夠全面，且本研究?jī)H限于平行式入口匝道車輛的匯入行為。下一步將擴(kuò)充調(diào)查對(duì)象和調(diào)查樣本來(lái)增強(qiáng)結(jié)論的普適性；同時(shí)對(duì)不同快速路入口形式進(jìn)行對(duì)比分析，進(jìn)一步完善快速路入口區(qū)域車輛匯入特性研究，為后續(xù)快速路入口區(qū)域優(yōu)化設(shè)計(jì)及管理提供參考。

參考文獻(xiàn)：

[1]" CHEN Xiaoyun， LI Tienan， MA Zian， et al. Integrated mainline and ramp signal control for expressway on-ramp bottleneck with unequal lane-setting[J]. Journal of Intelligent Transportation Systems， 2022，26（1）：100-115.

[2]" LI Meng， LI Zibin， XU Chengcheng， et al. Short-term prediction of safety and operation impacts of lane changes in oscillations with empirical vehicle trajectories[J]. Accident Analysis and Prevention， 2020，135：1-12.

[3]" BELLETTI F， HAZIZA D， GOMES G， et al. Expert level control of ramp metering based on multi-task deep reinforcement learning [J]. IEEE Transactions on Intelligent Transportations Systems， 2018，19（4）：1-10.

[4]" 馬小龍，余強(qiáng)，劉建蓓，等. 基于無(wú)人機(jī)視頻拍攝的高速公路小型車換道行為特性[J]. 中國(guó)公路學(xué)報(bào)，2020，33（6）：95-105.

[5]nbsp; 張策，韓愈，劉凱文，等. 自然駕駛條件下駕駛員換道行為的識(shí)別與分析[J]. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，36（2）：52-59.

[6]" MA Xiaolong， LIU Jianbei， MA Yuanyuan. Analysis of the Influence factors of the lane change duration on expressway[C]//20th COTA conference International Conference of Transportation Professionals， 2020.

[7]" LI Yang， LI Linbo， NI Daiheng， et al. Comprehensive survival analysis of lane-changing duration[J]. Measurement， 2021， 182：1-15.

[8]" 符鋅砂，胡嘉誠(chéng)，何石堅(jiān). 基于交通狀況及行駛速度的高速公路換道時(shí)間研究[J]. 公路交通科技，2020，37（4）：133-139.

[9]" GU Xin， ABDEL-ATY M， XIANG Qiaojun， et al. Utilizing UAV video data for in-depth analysis of drivers’ crash risk at interchange merging areas[J]. Accident Analysis and Prevention， 2019，123：159-169.

[10] YANG Minming， WANG Xuesong， QUDDUS M， et al. Examining lane change gap acceptance， duration and impact using naturalistic driving data[J]. Transportation Research Part C： Emerging Technologies， 2019，104：317-331.

[11] 羅孝羚，蔣陽(yáng)升. 智能網(wǎng)聯(lián)車環(huán)境下高速匝道匯入車流軌跡優(yōu)化模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2019，19（4）：94-100.

[12] CHU T D， NAKAMURA H， CHEN Peng， et al. Quantifying effects of acceleration lane lengths and traffic conditions on merging maneuvers at urban expressway entrances [C]// Proceedings of Eastern Asia Society for Transportation Studies， Taipei， 2013，9：1-13.

[13] 張?zhí)m芳，錢殷慧，陸薇，等. 考慮換道風(fēng)險(xiǎn)影響的城市快速路出口影響區(qū)車道管理[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，48（11）：1579-1587.

[14] 陳而越，陳金山，郭建鋼，等. 基于行駛軌跡的合流區(qū)車輛換道特性研究[J]. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，36（2）：231-237.

[15] 陳永恒，熊帥，白喬文，等. 快速路入口匝道車輛匯入位置的分布特征分析[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，46（11）：125-131.

[16] 葉穎俊，倪穎，孫劍. 高密度瓶頸交通流主動(dòng)-回應(yīng)匯入行為定義與建模[J]. 中國(guó)公路學(xué)報(bào)，2022，35（8）：278-290.

[17] 溫惠英，李秋靈，趙勝. 快速路合流區(qū)大型車換道時(shí)空特征及風(fēng)險(xiǎn)研究[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，50（5）：11-21.

[18] 張高峰，劉小明，尚彥宇，等. 基于高空視頻圖像的山地城市信號(hào)交叉口到達(dá)車輛運(yùn)行特征分析[J]. 交通信息與安全，2022，40（4）：110-127.

[19] 馮汝怡，李志斌，吳啟范，等. 航拍視頻車輛檢測(cè)目標(biāo)關(guān)聯(lián)與時(shí)空軌跡匹配[J]. 交通信息與安全，2021，39（2）：61-69，77.

[20] 王雪松，楊敏明. 基于自然駕駛數(shù)據(jù)的變道切入行為分析[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，46（8）：1057-1063.